Skip to content

README.md

Latest commit

 

History

History
151 lines (120 loc) · 7.9 KB

README.md

File metadata and controls

151 lines (120 loc) · 7.9 KB
Raw

Урок 11: Інтеграція протоколу контексту моделі (MCP)

Вступ до протоколу контексту моделі (MCP)

Протокол контексту моделі (MCP) — це сучасна платформа, створена для стандартизації взаємодії між AI-моделями та клієнтськими додатками. MCP виступає мостом між AI-моделями та додатками, які їх використовують, забезпечуючи єдиний інтерфейс незалежно від реалізації моделі.

Основні аспекти MCP:

  • Стандартизована комунікація: MCP встановлює спільну мову для взаємодії додатків з AI-моделями
  • Покращене управління контекстом: Дозволяє ефективно передавати контекстну інформацію AI-моделям
  • Сумісність між платформами: Працює з різними мовами програмування, такими як C#, Java, JavaScript, Python і TypeScript
  • Легка інтеграція: Дозволяє розробникам просто інтегрувати різні AI-моделі у свої додатки

MCP особливо корисний у розробці AI-агентів, оскільки дозволяє агентам взаємодіяти з різними системами та джерелами даних через єдиний протокол, роблячи їх більш гнучкими та потужними.

Цілі навчання

  • Зрозуміти, що таке MCP і його роль у розробці AI-агентів
  • Налаштувати та конфігурувати MCP-сервер для інтеграції з GitHub
  • Створити систему з кількома агентами, використовуючи інструменти MCP
  • Реалізувати RAG (генерацію з доповненням пошуку) з Azure Cognitive Search

Попередні вимоги

  • Python 3.8+
  • Node.js 14+
  • Підписка на Azure
  • Обліковий запис GitHub
  • Базове розуміння Semantic Kernel

Інструкції з налаштування

  1. Налаштування середовища

    python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

  2. Конфігурація сервісів Azure

    • Створіть ресурс Azure Cognitive Search
    • Налаштуйте сервіс Azure OpenAI
    • Встановіть змінні середовища у файлі .env

  3. Налаштування MCP-сервера

    npm install -g @modelcontextprotocol/server-github

Структура проєкту

11-mcp/
├── code_samples/
│   ├── github-mcp/
│   │   ├── app.py              # Main application
│   │   ├── event-descriptions.md  # Event data
│   │   └── MCP_SETUP.md        # Setup guide
│   └── mcp-agents/             # Agent-to-agent communication
│       ├── client/             # MCP client implementation
│       ├── server/             # MCP server with agents
│       └── README.md           # Advanced agent examples
├── README.md
└── requirements.txt

Основні компоненти

1. Система з кількома агентами

  • Агент GitHub: аналіз репозиторіїв
  • Агент хакатонів: рекомендації проєктів
  • Агент подій: пропозиції технічних заходів

2. Інтеграція з Azure

  • Cognitive Search для індексації подій
  • Azure OpenAI для інтелекту агентів
  • Реалізація шаблону RAG

3. Інструменти MCP

  • Аналіз репозиторіїв GitHub
  • Інспекція коду
  • Витяг метаданих

Огляд коду

Приклад демонструє:

  1. Інтеграцію MCP-сервера
  2. Оркестрацію кількох агентів
  3. Інтеграцію з Azure Cognitive Search
  4. Реалізацію шаблону RAG

Ключові функції:

  • Аналіз репозиторіїв GitHub у реальному часі
  • Інтелектуальні рекомендації проєктів
  • Підбір подій за допомогою Azure Search
  • Стрімінг відповідей через Chainlit

Запуск прикладу

Для детальних інструкцій з налаштування та додаткової інформації зверніться до README прикладу MCP-сервера GitHub.

  1. Запустіть MCP-сервер:

    npx @modelcontextprotocol/server-github

  2. Запустіть додаток:

    chainlit run app.py -w

  3. Перевірте інтеграцію:

    Example query: "Analyze repositories for username: <github_username>"

Вирішення проблем

Поширені проблеми та їх вирішення:

  1. Проблеми з підключенням MCP

    • Переконайтеся, що сервер запущений
    • Перевірте доступність порту
    • Перевірте токени GitHub

  2. Проблеми з Azure Search

    • Перевірте рядки підключення
    • Переконайтеся, що індекс існує
    • Перевірте завантаження документів

Наступні кроки

  • Досліджуйте додаткові інструменти MCP
  • Реалізуйте власних агентів
  • Покращуйте можливості RAG
  • Додавайте більше джерел подій
  • Розширений рівень: Ознайомтеся з mcp-agents/ для прикладів комунікації між агентами

Ресурси

Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.